腾讯腾讯营销-大模型深度LTV-算法工程师
任职要求
1.有机器学习算法优化理论的研究经验，熟悉Tensorfow或者PyTorch机器学习框架，并有实际的模型训练、调优的项目经验； 2.优秀的编码能力，熟悉C++/Python/Java/Scala…
工作职责
1.基于大模型以及强化学习能力优化智能投放产品，提升广告投放效果和效率； 2.负责广告全链路模型优化，包括广告召回排序模型、精排模型(pCTR,pCVR,pLTV)等。方向包括长序列行为模型、生成式召回模型、多场景联合建模、多链路辅助建模、LLM结合推荐等先进技术创新突破探索； 3.基于内外部数据，运用统计学、机器学习、计算广告等多个领域知识，对oCPA广告成本达成率、起量等多个关键指标进行垂直行业的问题分析和定位； 4.研发行业算法策略，包括但不限于设计和实现广告起量策略、分行业模型校准、行业EE算法等，进行召回/粗排/精排全链路优化，提升行业效果和收入； 5.负责腾讯营销业务场景的落地，紧贴业务需求出发的技术突破升级； 6.积极跟进AI学术界和业界的最新动态，优化内部技术方案，不断推进广告算法设计升级。
1. 参与深度思考大语言模型的研发与优化，提高算法准确率和效率； 2. 深入研究大模型后训练相关技术，探索LLM推理能力在公司业务场景落地； 3. 分析业务需求，参与设计适用于不同场景的算法解决方案； 4. 跟进前沿推理算法和技术动态，进行技术预研； 5. 与团队协作，完成算法模块的设计、开发、测试和优化工作。
1. 基座增强：探索大模型垂直领域知识高效增强方法，包括数据策略、训练策略以及scaling law友好的训练方法，打造适配实际应用所需的基座能力； 2. 多模态端到端：实现语音与文本模态的深度融合与统一建模，打造高效、轻量的端到端多模态系统，从而有助于更全面、多维度地理解语音与文本，提供更强的智能以及更智能的交互模式； 3. 深度推理：突破大模型在复杂逻辑推理、因果推断、多步决策、沟通技巧等大模型基础通用能力，提升模型解决开放式问题的能力； 4. 结合大模型，研发对话交互场景的大模型Agent，支持智能客服、销售、数据分析、C端助理等项目，通过预训练、微调、强化学习等全链路的技术实践，实现类人的理解和执行能力，提升美团服务能力和效率； 5. 不断探索技术新领域，推动技术能力的沉淀和技术氛围的建设。
1. 从传统模型到深度模型, 从LLM到多模态Agent, 负责面向不同业务线的不同模型的在线推理系统, 是工程与算法的深度交融的舞台 2. 基于K8S的云原生在线生态系统, 承接大规模分布式系统的运维挑战, 提供产品化一站式的服务能力 3. 参与传统框架(tensorflow/pytorch/xgb)到LLM框架(vllm/sglang/lmdeploy), 以及编译优化(MLIR/TVM/Triton) 的持续研发与调优工作 4. 负责从底层算子调优, 模型编译, 框架调度, RDMA, PD分离部署, 多卡协同 等各个领域的研发与创新
● 主导 POI 深度数据的 AIGC 创新应用，联合多模态大模型与生成式算法，围绕图文、短视频、内容摘要、个性化卡片等形态做深度与动态信息的生产创新，并与 C 端搜索、推荐、导航场景对接完成分发闭环，跑出可量化的业务收益。 ● 负责 POI 深度数据的接入与AI化生产能力建设，围绕人均价、服务设施等核心深度字段，通过多模态理解与算法挖掘持续提升覆盖率与准确率。 ● 负责 POI 图片智能审核体系建设，围绕相关性、美观度、真实性、合规性等维度，用多模态大模型 + 规则协同的方式在质量约束下持续提升自动化审核比例与拦截精度，为 AIGC 内容上量提供质量底座。 ● 通过案例分析、指标拆解与 A/B 实验，持续跟踪 AIGC 内容的量化收益与数据价值；主导产品规划与落地，与算法、工程、运营高效协同，推动项目按期达成目标。